"谱耳慧" —— AI 拉曼光谱遗传性小耳畸形智能筛查系统

一、项目背景

小耳畸形（Microtia） 是一种典型的先天性耳部发育异常，主要表现为外耳廓形态、大小或结构的异常，严重者甚至完全无耳（无耳畸形）。该病的发病率约为每 5,000–10,000 名新生儿中 1 例（亚洲地区略高），男性多于女性（比例约 2:1），右侧发病更常见，不仅影响患者的外貌与听觉功能，更会给家庭和社会带来沉重的心理与经济负担。

从病因上看，小耳畸形是遗传与环境因素共同作用的结果：

遗传性因素（约 20%–30%）：涉及耳廓发育的关键基因，如 HOXA2、EYA1、SIX1、TBX1、SALL1 等，常表现为家族聚集性发病，与 WNT、FGF、BMP 等发育通路基因突变密切相关；
环境性因素（约 70%–80%）：妊娠早期母体感染、糖尿病、药物暴露、营养缺乏、缺氧等在外耳原基发育阶段（约妊娠第 3–5 周）造成的干扰。

现有筛查方法的痛点

方法	原理	优点	局限性
家系分析	分析家族发病史	简单直观	精度低、样本依赖性强
基因检测	全外显子/Panel 测序找到致病突变	准确率高	成本高、周期长（1–2 周以上）
表型分析	外耳形态/影像学分析	直观、无创	无法早期判断或区分遗传性原因

综上，临床上迫切需要一种快速、无创、低成本的辅助筛查手段，用于在婴儿期早期识别可能存在的小耳相关遗传异常，为后续临床干预与家庭健康咨询提供依据。

二、项目目标

研制一套面向小耳畸形患者细胞样本的 AI 智能筛查系统，主要目标包括：

无标记分子指纹识别 —— 通过拉曼光谱获取细胞核酸、蛋白质、脂质等分子组成信息，识别基因异常带来的光谱差异；
高通量细胞形态检测 —— 基于成像式流式细胞仪、YOLO 与 SM-YOLO 目标检测模型，实现单细胞级别的自动识别、分类与计数；
智能辅助诊断 —— 融合光谱与形态学信息，输出"正常 / 异常"二分类结果及量化指标，为医生提供结构化的筛查建议；
医工协作转化 —— 与中国医学科学院整形外科医院外耳整形再造科合作，推动技术在遗传病风险筛查与临床辅助诊断领域的落地应用。

三、技术方案

项目采用"拉曼光谱 + 成像流式细胞 + 人工智能"三位一体的技术路线，通过两条互补的检测路径，从分子层面与形态层面共同刻画细胞特征。

1. 拉曼光谱检测：分子指纹的无标记提取

当 785 nm 激光照射到细胞样品时，极少数光子会与分子振动能级发生非弹性散射，产生拉曼位移。这种位移反映了分子化学键的特征，具有高度特异性，被称为 "分子指纹"。小耳相关基因异常会引起细胞内核酸、蛋白质、脂质等分子组成的微观变化，这些变化将直接体现在拉曼光谱的特征峰上。

小耳畸形细胞悬液样本 — 图 2 实验样本（标注"正常"与"有遗传病"的细胞悬液）

    实验参数
    激发波长：785 nm（有效降低荧光背景）
激光功率：450 mW（50% 功率输出）
光谱范围：200 – 2000 cm⁻¹
样本规模：112 个样本（正常 56 + 异常 56），每个样本 2048 维光谱
关键特征峰：680.5、715.9、953.9、1008.2、1422.9 cm⁻¹

  

在上述特征峰位置，正常样本比异常样本的光谱强度略大，峰形更加尖锐——这些细微差异虽然肉眼难以直接辨别，但恰恰是 AI 算法可以捕获的关键判别信息。

2. AI 算法一：LDA + 线性分类器的拉曼光谱识别

针对高维光谱数据，我们采用线性判别分析（LDA）将 2048 维原始光谱降维至 1 维判别特征，再用三种轻量级线性分类器进行二分类。

LDA 降维后两类样本特征分布 — 图 3 LDA 降维后正常 vs 异常样本的特征分布直方图

Logistic Regression 分类混淆矩阵 — 图 4 Logistic Regression 模型的分类混淆矩阵

模型	5 折交叉验证准确率	标准差
Logistic Regression	86.72%	±10.33%
Gaussian NB	84.90%	±9.82%
Linear SVC	84.90%	±9.82%

关键洞见："肉眼难以区分 ≠ 模型不可区分"。在 56 例异常样本中模型正确识别 48 例（召回率 85.7%），在 56 例正常样本中正确识别 49 例（召回率 87.5%），证明光谱数据中确实蕴含着可被机器学习捕获的遗传判别信息。

3. 微流控成像式流式细胞分析——高速在线细胞智能识别

为进一步提升细胞检测的通量与系统鲁棒性，课题组自主研制了微流控成像式流式细胞仪。系统采用高速显微成像与微流控芯片精密控流技术，实现对细胞的连续成像与特征提取。在微流通道中，细胞以一定的流速运动，实时采集图像，智能算法模块完成多细胞同步检测与识别，确保检测的时效性与稳定性。

在实时成像过程中，正常细胞呈现形态规则、细胞质分布均匀，而小耳畸形相关异常细胞在核质区与膜边界纹理处出现波动。

实验参数

成像速度：1000 帧/秒（高频连续采集）
微流控流速：600 μL/小时（稳定层流控制）
成像方式：明场—荧光复合成像通道
数据处理模型：改进 YOLO 深度目标检测网络（双分支结构，适配细胞尺度特征）
样本规模：120 个细胞样本（正常 60 + 异常 60），每张图像分辨率 1024 × 1024 像素

基于深度学习的目标检测算法能够捕捉这些细胞图像的特征模式，可在成像过程中自动定位单细胞区域、提取形态与纹理特征，完成高速、无标记、定量化分析，实现对小耳畸形相关细胞的在线识别与分类。

4. AI 算法二：基于 YOLO 的成像流式细胞图像智能识别

在上述高速成像数据的基础上，课题组采用改进的 YOLO 深度目标检测网络，对单帧图像中的多个细胞进行并行定位与分类，实现对小耳畸形相关细胞的在线识别。

图 6 YOLO 模型训练曲线：损失函数稳定下降，mAP50 收敛至约 0.80

正常细胞检测效果

异常细胞检测效果

89%

异常细胞检出率

81%

正常细胞检出率

~0.80

mAP50

1000 fps

流式成像速度

5. 成像流式平台最新算法进展：SM-YOLO

在成像流式细胞仪平台上，团队进一步提出 Acquisition-Adaptive Minute Target Detection Framework 与 SM-YOLO 模型，面向高速流动环境中的运动模糊、低信噪比、流体背景噪声和密集遮挡问题，通过算法补偿低成本硬件的成像缺陷。

94.5%

mAP50

1129.9 FPS

推理速度

4.5×

相对 250 FPS 相机采集冗余

    平台意义：SM-YOLO 证明了在低成本、免标记成像流式细胞术场景下，可以通过高效算法补偿高速采集带来的图像缺陷，为“谱耳慧”的形态学检测链路提供更强的实时检测能力与工程可扩展性。相关成果发表于 Optical Review（2026）。
  

6. 完整技术路线

样本采集 → 细胞悬液制备 → PBS 洗涤
     → 拉曼光谱采集 / 流式图像采集
     → 光谱去噪 & 基线校正 / 图像去噪 & 增强
     → LDA 降维 & 线性分类 / YOLO、SM-YOLO 目标检测
     → 融合决策 → 风险评估报告

四、创新点与优势

    双模态融合 —— 国内首创地将拉曼光谱分子指纹与成像流式细胞形态学两大技术路线结合，在分子与形态两个维度共同刻画小耳畸形细胞特征，相互验证、相互补充。
无标记 · 无创 · 快速 —— 无需荧光染料或化学标记，不破坏细胞；单样本检测时间目标 < 2 分钟，相比传统基因测序（1–2 周）大幅缩短周期、降低成本。
高通量实时筛查 —— 微流控成像流式细胞仪以 1000 帧/秒的速度实现单细胞逐个检测；SM-YOLO 在自建数据集上达到 1129.9 FPS 与 94.5% mAP50，为大规模人群筛查与临床普查提供更强实时检测基础。
数据验证扎实 —— 在 112 例临床样本上，拉曼 + LDA + LR 取得 86.72% 分类准确率；YOLO 模型对异常细胞检出率达 89%，验证了技术路线的可行性。
医工协作驱动 —— 与中国医学科学院整形外科医院外耳整形再造科深度合作，依托真实临床样本进行算法迭代，保障模型的临床可用性与可解释性。

  

五、项目基础与前期积累

课题组在 拉曼光谱 + AI 与 成像流式细胞仪 两大平台上具备坚实的前期积累：

共聚焦拉曼光谱无创血糖检测样机 —— 已建立完整的激光模块、光谱采集模块与 AI 算法模块，实现无创准实时血糖检测（检测时间 10–15 秒，灵敏度约 1 mmol/L），研究成果发表于 ACS Photonics（2025）：《Noninvasive Blood Glucose Monitoring via Vein Visualization-Guided Confocal Raman Spectroscopy and Heterogeneous Ensemble Learning》；
微流控成像式流式细胞仪样机 —— 已完成豚鼠、鸡、绵羊等多种动物红细胞在高速流动条件下的图像采集与智能分类，采用自研 PA-YOLO、YOLO-AF、SM-YOLO 与改进 YOLOv12 算法，有效抑制背景噪声并提升小细胞检测性能；相关成果发表于 International Journal of Pattern Recognition and Artificial Intelligence（2026）与 Optical Review（2026）；
拉曼光谱 + 机器学习算法栈 —— 团队在拉曼光谱荧光背景消除、多源异构集成学习、谱图增强等方向积累多年，已发表多篇相关论文。

外耳整形再造科临床案例 — 图 10 中国医学科学院整形外科医院外耳整形再造科小耳畸形手术案例

六、发表论文

围绕本项目的拉曼光谱 + 机器学习与成像流式细胞 + YOLO 算法两大技术路线，课题组近期已发表的代表性论文如下：

Ming Yang, Mingyuan Liu, Xiaopeng Wang, Haoqian Lv, Yuqing Du, Yongbin Qi, Zijiaqi Wang, Qiang Yang*, and Qiang Liu*. Noninvasive Blood Glucose Monitoring via Vein Visualization-Guided Confocal Raman Spectroscopy and Heterogeneous Ensemble Learning. ACS Photonics, 2025. Published
Zhe Liu, Qiang Yong, Yuyang Han, Liming Chen, Yixiang Lu, Ruotong Mu, Ming Yang, Hao Zhang, Shaomin Yang, Qiang Yang*, Qiang Liu*. YOLO-AF: An Improved Lightweight Architecture for Real-Time Cell Detection in Imaging Flow Cytometry. International Journal of Pattern Recognition and Artificial Intelligence, 2026. Published
Yuyang Han, Qiang Yong, Zhe Liu, Ruotong Mu, Ming Yang, Haoqian Lv, Yuqing Du, Yongbin Qi, Hao Zhang, Shaomin Yang, Qiang Yang*, Qiang Liu*. Acquisition-adaptive high-throughput minute target detection framework for label-free imaging flow cytometry. Optical Review, 2026. DOI: 10.1007/s10043-026-01054-6. Published

七、应用场景与临床价值

    遗传病风险辅助筛查 —— 针对小耳畸形等具有家族聚集性的先天性发育异常；
产前辅助评估 —— 在临床干预前对相关细胞样本进行遗传风险提示，为医生提供辅助决策参考；
家族健康咨询 —— 为有家族病史的高风险人群提供快速、低成本的辅助参考信息；
科研应用 —— 探索小耳相关基因突变与细胞代谢异常之间的分子机制关联。

  

该系统有望为早期遗传病干预与精准健康管理提供一套全新的 AI 工具，具有重要的临床价值与社会意义。

八、合作单位

中国医学科学院整形外科医院 · 外耳整形再造科（临床样本、基因标签、临床解释）
北京石油化工学院人工智能研究院（拉曼光谱平台、流式细胞成像平台、AI 算法建模）

拉曼光谱成像流式细胞仪小耳畸形遗传病筛查 LDA 降维 Logistic Regression YOLO 目标检测 SM-YOLO Optical Review 2026 无标记检测 AI 辅助诊断医工结合